1.一种基于自适应神经模糊推理系统的配电网故障选线方法，其特征在于，包括以下步骤：步骤1、当配电网线路发生故障时，采集故障后的线路A、B、C三相电流，将采集到的三相电流采样值求和得出零序电流的采样值；步骤2、利用小波包变换提取每条线路零序电流中的波形相关量、衰减直流分量和能谱熵量，形成故障特征矩阵；步骤3、采用不同的数据处理方法对故障特征矩阵进行归一化，得到归一化矩阵；如果某条线路波形相关量大于等于0，则将归一化后的值强制为1，如果线路波形相关量小于0，则对所有满足条件的线路波形相关量进行归一化，归一化公式如下：其中，p I .i为线路i未经归一化处理的波形相关量，p I 为满足门槛的所有线路的波形相关量，q I .i为线路i归一化后的波形相关量；如果线路的最大衰减直流分量和第二大衰减直流分量的差值小于等于绝对门槛和相对门槛，则归一化公式如下：其中，p II .i为线路i未经归一化处理的衰减直流分量，p II 为所有线路的衰减直流分量，q II .i为线路i归一化后的衰减直流分量；如果线路的最大衰减直流分量和第二大衰减直流分量的差值大于绝对门槛和相对门槛，则归一化公式如下：其中，p II .i为线路i未经归一化处理的衰减直流分量，p II 为所有线路的衰减直流分量，q II .i为线路i归一化后的衰减直流分量；如果线路的第三小能谱熵量和最小能谱熵量差值小于等于绝对门槛和相对门槛，则归一化公式如下：其中，p III .i为线路i未经归一化处理的能谱熵量，p III 为所有线路的能谱熵量，q III .i为线路i归一化后的能谱熵量；如果线路的第三小能谱熵量和最小能谱熵量差值大于绝对门槛和相对门槛，则归一化公式如下：其中，p III .i为线路i未经归一化处理的能谱熵量，p III 为所有线路的能谱熵量，q III .i为线路i归一化后的能谱熵量；利用每条线路经归一化处理后的波形相关量、衰减直流分量和能谱熵量，形成归一化矩阵Q如下所示：其中，q I .i、q II .i、q III .i分别为第i条线路归一化后的波形相关量、衰减直流分量和能谱熵量，L为配电网线路总个数；步骤4、利用归一化矩阵训练自适应神经模糊推理系统，得到自适应神经模糊推理系统的故障选线模型，利用自适应神经模糊推理系统的故障选线模型进行故障选线。
2.根据权利要求1所述的一种基于自适应神经模糊推理系统的配电网故障选线方法，其特征在于，步骤1中根据母线电压突变时刻采集每条线路的三相电流，零序电流计算公式如下：其中，i a 、i b 、i c 分别为A、B、C三相的电流采样值，i 0 为零序电流的采样值。
3.根据权利要求1所述的一种基于自适应神经模糊推理系统的配电网故障选线方法，其特征在于，步骤2中小波包变换通过分解与重构分析任意频带下的信号特征，其中小波包变换分解算法公式如下：其中，h k-2l 为小波包分解的低通滤波器系数，g k-2l 为小波包分解的高通滤波器系数， 为第j-1层上的第n个小波包分解系数， 为第j层上的第2n个小波包分解的低频系数， 为第j层上的第2n+1个小波包分解的高频系数，k为第j-1层上的小波包分解系数总个数，l为第j层上小波包分解对应的节点；小波包变换重构算法公式如下：其中，h l-2k 为小波包重构的低通滤波器系数，g l-2k 为小波包重构的高通滤波器系数， 为第j层上的第2u个小波包重构的低频系数， 为第j层上的第2u+1个小波包重构的高频系数， 为第j层上的第2u个小波包重构系数，m为第j层上的小波包重构系数总个数，r为第j层上小波包重构对应的节点；利用小波包变换计算的波形相关量算法公式如下：其中，x i (v)和y i (v)分别为线路i和线路j在主频带下的第v个小波包分解系数，V为主频带下小波包分解系数的总个数，L为配电网线路总个数，ρ ij 为线路i和线路j的互相关系数，ρ i 为线路i的波形相关量；利用小波包变换计算的衰减直流分量算法公式如下：其中，x i 为50Hz以下低频带小波包重构系数，N为一个周波的采样点，I d 为衰减直流分量值；利用小波包变换计算的能谱熵量算法公式如下：其中， 为小波包分解到(i,j)子频带的系数，w为不同子频带下小波包分解系数的总个数，p ji 为第i个子区间包含的信号能量在j尺度总能量中存在的概率，e为子频带的总个数，H为计算的能谱熵值；利用每条线路计算所得的波形相关量、衰减直流分量和能谱熵量，形成故障特征矩阵P如下所示：其中，p I .i、p II .i、p III .i分别为第i条线路未经归一化处理的波形相关量、衰减直流分量和能谱熵量，L为配电网线路总个数。
4.根据权利要求1所述的一种基于自适应神经模糊推理系统的配电网故障选线方法，其特征在于，步骤4中采用的自适应神经模糊推理系统输入为经归一化处理后的归一化矩阵，自适应神经模糊推理系统的每个输入有两个隶属度函数，隶属度函数类型为高斯函数，运用训练后的自适应神经模糊推理系统进行故障选线，将最大输出值对应的线路选为故障线路。
